【摘 要】
:
随着智能安防和视频监控领域的需求与日俱增,越来越多的视频监控设备被部署安装,从而导致监控视频数据量呈爆发式增长,为了对这些海量的监控视频数据进行智能分析,引入人工智能技术已成为必然趋势。其中,行人重识别技术作为智能分析的关键技术支撑,正受到广泛的关注和研究。行人重识别旨在解决跨镜头情景下行人跟踪与检索问题,它是利用计算机视觉技术判别在指定的图片或视频序列中是否具有指定行人的技术,在视频监控、智能零
论文部分内容阅读
随着智能安防和视频监控领域的需求与日俱增,越来越多的视频监控设备被部署安装,从而导致监控视频数据量呈爆发式增长,为了对这些海量的监控视频数据进行智能分析,引入人工智能技术已成为必然趋势。其中,行人重识别技术作为智能分析的关键技术支撑,正受到广泛的关注和研究。行人重识别旨在解决跨镜头情景下行人跟踪与检索问题,它是利用计算机视觉技术判别在指定的图片或视频序列中是否具有指定行人的技术,在视频监控、智能零售、刑事侦查、军事战略等领域都有着极高的应用价值。考虑到行人重识别技术在实际智能安防系统中落地问题,本文针对目前行人重识别领域中存在的不足和挑战,对传统的可见光单模态行人重识别问题和可见光红外光跨模态行人重识别问题分别展开研究,并提出了相应的解决方案,本文主要研究内容如下:针对现实场景下可见光单模态行人重识别由于受到摄像机视角变化、行人姿态变化、物体遮挡、图像低分辨率以及行人图片未对齐等各种因素的影响而造成行人判别性特征难以获取问题,本文设计了一种混合池通道注意力模块和一种全像素空间注意力模块,并基于这两种注意力模块提出了一种通道和空间双重注意力网络。通过在传统行人重识别深度模型框架中分阶段融入上述两种注意力模块,获得由粗糙到细腻的注意力特征,并通过深度网络互补训练学习,最终得到判别性强的行人识别特征。最后,在单模态行人重识别领域三个大型公开数据集上对所提方法进行验证,与现有前沿算法相比,所提方法能够提取更具鲁棒性和判别性的行人表征特征,有效提高行人重识别的准确率。针对可见光红外光跨模态行人重识别中与模态无关的具有鲁棒性和判别性的行人特征难以获取问题,本文基于混合双通路神经网络架构提出了一种类内和类间双重约束的跨模态行人重识别方法。具体而言,首先通过参数非共享的双路径神经网络分别获得两个模态所特有的特征,然后在上述基础上通过使用参数共享的深度网络结构,把两个模态的特征数据统一地映射到一个共享的特征表征空间中,从而将跨模态行人重识别问题转换到常规的单模态行人重识别研究框架下,之后在该共享的特征空间中对类内一致性和类间辨别性进行同时约束,最终通过深度模型训练学习得到与模态无关的行人判别性特征。在跨模态行人重识别领域两个常用公开数据集上对所提方法进行验证,与现有前沿算法相比,所提方法能够提取更具鲁棒性和判别性的行人表征特征,有效提升跨模态行人重识别的性能。
其他文献
视频问答任务(Video Question Answering,Video QA)旨在根据视频和基于视频的自然语言问题推断出正确答案,因此视频问答是解决从海量数据中提取需要视频内容的重要方式之一,是理解精细化视频内容的研究之一,同时也是研究跨模态信息(视频、音频以及文本)融合与推理的关键任务之一。视频是由多帧静态图像组成的动态视觉内容,相邻视频帧之间的整体内容变化往往比较微弱,因此相邻帧中的对象往
恶劣环境下拍摄的图像通常会存在明显的退化现象,导致图像内容缺失,视觉质量下降。单幅图像去雨和暗光图像增强是恶劣环境下图像复原与增强的重要任务。单幅图像去雨任务旨在去除雨图中的雨纹,复原图像的本真样貌。然而图像去雨过程中往往还会出现图像纹理细节信息模糊和丢失的问题。暗光图像增强任务旨在增强暗光图像的亮度,使图像内容能够清晰完整地展现。然而暗光增强过程中往往还会出现噪声放大、细节模糊和色彩偏差的问题。
随着互联网和多媒体技术的快速发展,网络上每时每刻都在产生大量的、内容复杂的视觉数据。如何利用机器学习算法自动地从复杂数据中提取出有价值的信息,进而用于处理后期的分类或聚类任务,逐渐成为了近来热门的研究课题。由于真实世界中的视觉数据通常缺少标记信息,而传统的监督学习方法需要采用费时费力人工方式进行标注,因此在应用上受到限制。相比于监督方法,半监督方法可以使用少量的有标记样本和大量的无标记样本进行学习
心率是一项人体重要的生理指标,心率指标的准确监测对健康医疗和疾病预防有着重要的研究意义和实用价值。其中非接触式的心率检测方法中的远程光电容积描记术(r PPG)技术以便捷、安全和低成本的优势成为目前研究的热点。但该项技术存在一些限制,如视频冗余信息、头部运动、光照强度变化以及其他生理信号的干扰。因此,为了克服上述限制,本文设计了新颖的端到端的神经网络,学习从面部视频信息到真实心率的映射关系。主要工
随着人工智能的发展,计算机作为智能设备的基础,其对于各类模态所呈现信息的理解渐渐成为研究主流。图像与文本作为日常生活中常出现的模态,二者之间的蕴涵关系推理也成为推进人工智能对于现实社会理解的重要途径。目前以图像与文本作为主要输入模态的任务有视觉问答(Visual Question Answering,VQA)、图像描述生成、文本生成图像等。视觉蕴涵推理源于文本单模态的语义蕴涵推理(Textual
随着人们对生活品质的要求日益提高,食品安全也成为大众的聚焦点之一。“假烟”、“假酒”等问题层出不穷,不仅危害了正规渠道商家的利益,更危害了人民群众的身体健康。因此,材料识别研究成为了一个重要的研究方向。而随着无线通信技术的发展更加成熟,WiFi的普及率涨幅也十分迅猛,它不仅体积小、价格低,还有极强的非侵入性,部署也十分简单。因此,使用WiFi设备实现材料识别研究也越来越深入人心。本文使用了WiFi
蒙特卡罗程序在医学、核辐射物理和反应堆物理等领域有广泛的应用,但其三维几何模型的低效建模方式严重影响了该方法的应用效率,因此人们希望能够利用商业CAD软件来提升蒙特卡罗程序的几何模型建模效率。但与蒙特卡罗程序采用构造实体几何表示法(Constructive Solid Geometry,CSG)不同,商业CAD软件普遍采用的是边界表示法(Boundary Representation,BRep),
唇语识别是一项将说话人嘴唇区域的运动解码为文本的任务。句子级别的唇语识别能够解决聋哑人群体与正常人沟通的障碍,还能够改善在嘈杂或无声环境下的语音识别。近年来,基于深度神经网络的唇语识别方法受到广泛关注,而且准确率已经远远超过了在唇读方面有经验的人类。然而,句子级别的唇语识别领域仍然存在许多具有挑战性的问题需要解决。本文的主要研究工作如下:(1)基于通道注意力机制与选择性特征融合模块,提出一种端到端
随着智能移动设备越来越多的出现在我们的日常生活,物联网对计算资源的需求不断增加,计算资源受限成为物联网所面临的新挑战。移动边缘计算(Mobile Edge Computing,MEC)的兴起很好的解决了计算问题,但是结合了MEC技术的物联网仍然存在一些问题,比如固定部署的边缘服务器在处理任务时不够灵活、边缘服务器的成本昂贵等。于是无人机辅助移动边缘计算系统被提出,利用无人机的高机动性和灵活性,提供
随着智能系统的快速发展,如无人驾驶车辆、服务机器人导航、监视系统等,行人轨迹预测成为一个极具挑战性的问题。如何在高度拥挤、混乱的环境中感知、理解和预测行人的运动模式以便防止将来的碰撞变得重中之重。行人的运动不仅仅受到自身因素的影响,同时还受到周围环境的影响。针对上述问题,本文的主要研究内容如下:1.行人之间的交互是复杂多变的:单独行走、相向握手以及成群结队等,这些社交活动都会影响行人接下来的轨迹。